内源性死亡与外源性死亡分解下中国成年人的预期寿命：基于生命力模型的应用_死亡率论文

内生与外生死亡分解下的中国成年人口的预期寿命——基于生命力模型的应用，本文主要内容关键词为：中国论文,生命力论文,解下论文,寿命论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      1 导论

      在人口学研究领域中，人群的全因死亡率和综合了死亡率信息的预期寿命是最常用也是最受关注的指标。但是在我们观测到的全因死亡率和人口预期寿命的背后，蕴含着复杂的死亡模式。死亡模式的不同，可能会对死亡率和预期寿命造成较大的影响。而辨认和分解出这些不同的模式将有利于理解死亡率以及预期寿命的影响因素和变化规律。

      因为死亡模式本身具有多重维度(例如，时间和死因等)，对于它的探索充满了复杂性。在流行病转变理论(epidemiologic transition theory)的影响下，大部分的相关研究集中在对不同死亡原因的分布所代表的死亡模式的研究上(Omran，1971)。这些研究在一定程度上揭示了死亡率和预期寿命的历史变化规律。但是它们对数据的要求很高，必须有详细的死因别死亡情况。这样的数据，在通常状况下难以获得，即便存在也难以保证它们的准确性。对死因的归类在技术上有很大的不确定性，在操作上也有较大的误差。另外，在处理分类繁多的死因别死亡率时，过细的分类会阻碍我们探索死亡率变化的内在共同机制，以及这种机制最终如何塑造全因死亡率与预期寿命的。因此，我们需要一种更简洁同时能反映内在死亡规律的死因分类方式。

      从200多年前开始，研究者就已经开始考虑把死亡划分为标准的两类(Carnes、Olshansky、Grahn，1996)。虽然在命名上有差异，但是在内涵上都可以被归为：内生死亡(intrinsic mortality)，指代真正与机体衰老相关的死亡；以及外生死亡(extrinsic mortality)，指代可避免的死亡。在实际的操作中，对两者的划分，要么同样基于死因别死亡数据的信息，要么基于简单的数学模型(Carnes et al，2006)。前一种方式同样面临数据获取困难、准确性不高以及类型划分的主观性等缺陷。而后一种方式受制于模型的简单，无法获得有意义的分类。

      在本文中，笔者将利用本人及合作者所创造的生命力模型系统(Li，2011；Li、Anderson，2013；Li、Yang、Anderson，2013)，来对分年龄别的全因死亡率做内生与外生死亡因素的分解。并利用六普数据，来探讨我国的成年人口预期寿命在相应分解下的特征。

      2 生命力模型

      生命力是一个综合了各种机制的抽象概念，代表了个体在某个时间点的生存能力。生命力模型考虑个体的死亡是由内生和外生两种死亡类型构成。我们可以通过生命力这个概念来构造数学模型分别表示这两类死亡的相关指标。最终的死亡率则可以表示成这两类死亡率的总和。下面我们将分别具体描述这两类死亡率的数学构建过程(并可参照图1的示意)。

      

      2.1 内生死亡模型

      我们假设每个个体在出生时(或者在开始考察的年龄)都有一定的初始生命力

。随着年龄的增加，生命力v呈现出随机下降的趋势，如图1中的浅色下降曲线所示。在这里我们用带趋势的Wiener过程来表示这种趋势，即：

      

      

      

      

      上式表示的总死亡率由4个参数决定。参数r代表生命力的单位时间下降的比例，实际上反映了人群的相对衰老速度。对相对衰老速度的影响可能有三种方式，第一种是初始生命力的大小。较高的初始生命力对应较小的标准化后的衰老速度。婴幼儿时期的营养储备是可能影响初始生命力的重要因素。第二种是真实衰老速度的大小。其影响因素有健康行为习惯(例如，运动和吸烟与否)、日常生活的压力情况等。这些因素均对健康有慢性的累积性影响。第三种方式是医疗技术所代表的人为对生命力的延长。绝对生命力的延长同样也对应于相对衰老速度的减缓。20世纪70年代以来，在心血管疾病治疗技术上的突破可看作人为延长生命力的一个例子。参数s代表标准化后的生命力在单位时间内的方差，可以反映出人群内部在衰老过程中的差异性。这种差异性可能同时来自先天(初始生命力的差异)和后天(生命力的随机过程)的共同作用。参数λ表示外部挑战的发生频率，而参数β则代表外部挑战发生的平均量级。这四个参数，前两个主要描述内生的衰老过程，更多的是反映慢性因素对死亡的影响；后两个主要描述外部的即时环境，反映急性因素对死亡的影响。因此，我们可以相应地考虑内生死亡为慢性死亡，外生死亡为急性死亡。

      值得说明的是，等式(8)主要用来拟合成年人口的年龄别死亡率曲线。因为在婴幼儿和青少年时期，还有一些额外的机制影响生命力和外部挑战过程，例如，婴幼儿可能存在的生命历程增长趋势的构建阶段以及青少年可能受到的较高外部挑战频率的影响。因此，我们无法采用简单的等式(8)来拟合整个生命周期的死亡率曲线。但是以上提到因素都可以在生命力模型的框架中解决，可以参见Li(2011)中更多参数的模型，用以实现整个年龄段的死亡曲线的拟合。

      已有多篇研究验证了等式(7)对Human Mortality Database中多国死亡率曲线拟合的有效性(Li、Anderson，2013；Li、Yang、Anderson，2013)。拟合过程采用了死亡率模型最常用的权重最小二乘法，以每个年龄段的生存人年数作为权重。即我们需要找到一组参数(r，s，λ，β)的组合，使得由(8)式所定义的总和死亡率与实际的死亡率在每一个年龄点差异的平方和最小。另外，由于每个年龄段的重要性不同，我们需要利用生存人年数作为权重。由此获得参数r，s，λ和β的估计值。将获得的参数值再回代入等式(5)和(7)即可获得年龄别内生死亡率函数和外生死亡率函数的估计。

      3 生命力模型在中国六普死亡数据中的应用

      利用普查数据研究中国人口死亡状况一直以来都面临巨大的挑战，其原因在于死亡数据存在的多种问题。以六普数据为例，多个研究已经指出因为婴幼儿死亡的漏报，该年龄段死亡率被严重低估(黄荣清、曾宪新，2013；赵梦晗、杨凡，2013)。另外，因为16～40岁青壮年组的人数存在一定的重报问题，所以这个年龄段的死亡率也存在低估的情况(陶涛、张现苓，2013)。当然，由于老年死亡的漏报造成的老年死亡率的低估是一直存在的问题。虽然传统上研究者倾向于使用模型生命表对我国死亡率进行修正(王金营，2013)，但是已有研究表明各种模型生命表技术均无法准确复原我国死亡率的实际状况(Hu、Yu，2014)。因此，在本文中，我们仍然采用原始的六普死亡数据，只是把模拟的年龄段限制在35～100岁及以上。这个年龄阶段能够较大程度避免前两个因素造成的对死亡率的低估的影响。另外，由于死亡模式的转变，婴幼儿与青少年阶段的死亡状况的改善对预期寿命提升的作用已经越来越小。研究已经表明，在发达国家中老年生存状态的改善已经逐步成为预期寿命增加的主要贡献力量。因此，从关注我国预期寿命未来提升潜力的角度，我们也需要把焦点集中在成年人口上。

      3.1 生命力模型对我国成年人口死亡(35～100岁及以上)曲线的拟合

      图2展示了生命力模型对我国成年人口(35岁及以上)死亡曲线分性别和城乡的拟合结果。从图中可以看出，模型较好拟合了死亡率曲线。特别值得指出的是，生命力模型能较好捕捉到死亡率曲线在60～70岁之间出现的上升速度突然加快的趋势(见图2中的拐点g)。可以看出，这个拐点是由于内生死亡的大量出现造成的(见图2中的点线)，详细解释参见Li、Yang、Anderson(2013)。

      

      图2 生命力模型对六普成年人口(35+)分性别城乡的拟合结果

      Figure 2 Vitality Model Fitting to the Adult Mortality Data(35+)by Sex and Rural-Urban Residence

      资料来源：国务院普查办公室，国家统计局人口和就业统计司编.中国2010年人口普查资料.北京：中国统计出版社，2012。

      表1列出了模型拟合的参数结果。可以看出男性和女性在相对衰老速度(r)上差异不大。城镇的男性和女性在这项指标上几乎相等，只是农村的男性比女性稍大。相比于女性，不管是城镇还是农村，男性的内在衰老过程的差异性(s)都大于女性。男性的内部异质性高于女性的现象可能是由男性在健康行为(例如，吸烟)上更大的差异性导致的。男性遭受的外部挑战的频率(λ)要普遍高于女性，这可能与男性的行为特征和职业特征有关，例如，更有可能从事高危险性的活动。同时，男性遭受的外部挑战的平均量级(β)也都高于女性。这使得男性拥有更高的外生死亡率。

      城乡的差异在内生与外生死亡的参数上均有体现。不管是男性还是女性，农村人口均拥有较高的衰老系数(r)和较大的外部挑战的平均量级(β)。这表明农村人口可能在初始营养储备，健康行为习惯、医疗救治条件以及外部生存环境上均要差于城镇人口。城乡人口的内部差异性系数差别不大，但是稍微意外一点的是城镇人口的外部挑战的频率(λ)要略高于农村人口。这可能是由于城镇人口密集，小型传染病传播比较多，以及城镇化带来的污染等问题造成的。此外，城镇中更为频繁的人口流动也有可能增加外部挑战的频率。

      如果模型参数的结果还不太直观，那么下一步我们将在生命力模型的框架下，对预期寿命做分解，用以解释性别和城乡之间的差异。

      3.2 生命力模型下预期寿命的性别及城乡差异

      在这里我们会用到3个不同的预期寿命的测量。首先是根据六普死亡数据构造生命表所测算的各个人群在35岁时的预期寿命(下文涉及的相关预期寿命均针对35岁而言)。这也是我们通常观测到的综合预期寿命。其次，我们利用生命力模型计算在只有内生死亡存在情况下的人口预期寿命，将其定义成内生预期寿命。其计算方法为对等式(4)两边积分：

      

      内生预期寿命反映了人群与自身衰老过程相关的寿命。它主要受长期的营养水平、健康习惯等慢性因素的影响。同时，一些医疗技术，比如心脏搭桥手术可以人为延长内生预期寿命。最后，我们定义外生损失寿命为因外生死亡的存在而从内生预期寿命中损失掉的寿命。其计算方法为内生预期寿命减去实际的预期寿命。它主要反映了受外部生存环境和医疗卫生环境等急性因素影响的非衰竭性死亡对预期寿命的影响。

      表1中同样列出了各个人群对应的三种预期寿命。可以看出，成年人口性别之间的预期寿命的差异主要体现在外生损失寿命上。男性普遍比女性因为外生死亡损失更多的寿命。与之相反的，城乡之间的主要差异则体现在内生预期寿命上。因为城镇人口长期享有的较高的营养水平和医疗救治技术，并且在健康上的累积投入更多，所以城镇人口比起农村人口拥有更高的内生预期寿命。表2进一步将人群中的预期寿命的差异分解为内生预期寿命与外生损失寿命的贡献。可以更直观地看出，外生损失预期寿命对性别之间的预期寿命差异的贡献达到了70%以上。而内生预期寿命则分别对男性与女性城乡间的寿命差异贡献了70.3%和85.3%。

      

      

      3.3 生命力模型下预期寿命的国际比较

      除考查国内不同人群之间预期寿命的异质性，我们进一步考察了我国人口预期寿命与国际上寿命领先国家之间的差异。本文选取日本男性和女性人口在2010年的死亡曲线(35岁及以上)做比较。所用的数据来自于Human Mortality Database(http://www.mortality.org/)。生命力模型拟合的参数结果以及与我国人口预期寿命的对比见表3。

      结果显示：我国男性与日本男性在预期寿命上的差距主要是由内生预期寿命，即由慢性因素影响的相对衰老过程的落后所造成的。但是在外生损失寿命上，中国男性还略微占据优势。这种优势全部归功于较小的外部挑战的发生频率，尽管我们的挑战发生的平均量级要比日本高。对于女性来说，我们的内生预期寿命与外生损失寿命均落后于日本。不过仍然是内生预期寿命的差距占主导地位，为整体差距贡献了66.7%。

      另外一个比较有意思的结果是，日本男性与女性成年人口之间的预期寿命的差异(6.42岁)几乎全部来自于外生损失寿命间的差异的贡献(90%)。这与中国男性与女性的预期寿命差异模式比较相似。说明男性在外生死亡因素下损失更多的寿命是在世界范围内包括在寿命领先国家内的一个普遍现象。这可能是男性和女性天生所具有的生理与社会分工方面的不同所造成的，受国家的发展程度与制度模式影响较小。同时，我们也可以看到日本男性与女性的内生预期寿命几乎没有差别，而我国男性与女性间的内生死亡差别主要存在于农村人口之间。这也从侧面说明，在现今的社会发展状态下，农村男性的内生预期寿命还有一定的上升空间(大约为1岁)。

      

      3.4 生命力模型下预期寿命的纵向比较

      前述内容主要针对预期寿命在六普时点的横截面比较，接下来我们将关注在生命力模型的分解下，成年人口预期寿命的纵向变化特征，即将2000年五普的结果与六普做比较。同样，我们先分性别对五普35岁以上人口的死亡曲线做生命力模型的拟合。拟合的参数以及相应的人口预期寿命的分解对比见表4。

      虽然自2000年以来，我国男性与女性成年人口的预期寿命都有了比较大幅度的增长，但是其增长的动力存在一定差别。对于成年男性2.92岁预期寿命的增幅来说，由于外生损失寿命的减少而做出的贡献达到了76%左右。也就是说，急性死亡的减少是这十年来我国男性寿命增长的主要动力。相比较来说，成年女性3.23岁预期寿命的增幅有一半来自于内生预期寿命的贡献。

      从寿命领先国家的经验来看，预期寿命的增长动力都是由最初的以外生损失寿命的减小为主逐渐转化为以内生预期寿命的增长为主。以日本女性为例，1980-1990年间，其成年人口(35岁及以上)的预期寿命增长了2.77岁，其中65.8%的贡献来自于外生死亡的大量消除。而1990-2010年的30年间，预期寿命增长的4.14岁中只有18.6%的贡献来自于外生死亡的减少。也就是说，日本近30年来预期寿命的提高很大程度归功于在抵制慢性衰老过程上的进步。由此可以预期，我国人口预期寿命未来增长的潜力将主要来自内生过程。其中现阶段我国的女性人口已经在死亡模式的转变过程中，而男性尚未完全开始，但也意味着男性将有更大的内生预期寿命的提升空间。

      

      4 总结与讨论

      本文利用生命力模型对我国成年人口年龄别死亡率曲线进行拟合(35岁及以上)，从而将死亡划分为内生死亡与外生死亡。相应的，我们将预期分解为内生预期寿命与外生损失寿命。通过对六普死亡数据的应用，可以发现我国男性与女性成年人口预期寿命的差异主要来自于受外部即时环境因素影响的外生损失寿命。而城乡间成年预期寿命的差异主要来自于由慢性衰老过程所主导的内生期望寿命。与日本的国别间比较进一步揭示，我国成年预期寿命与寿命领先国家的主要差距在于内生过程的相对衰老速度。最后，五普与六普的纵向比较表明，外生死亡的减少是我国成年男性近10年来预期寿命增加的主要因素，而内生与外生死亡的改进在我国成年女性近10年寿命增长中的贡献趋于平衡。依据寿命领先国际的经验，我国未来预期寿命的增长将逐渐转变为以内生因素提高为主的模式。由生命力模型提供的对死亡率曲线的拟合与分解框架，能帮助我们有效理解预期寿命的变动与差异及其影响因素。

      生命力模型最大的优点在于，可以只依据年龄别死亡曲线的信息，对死亡模式进行分解。这样一种分解方式不需要具体的死亡信息，同时也破除了主观认知的干扰，但是其准确性要建立在模型假设的合理性上。生命力模型对死亡数据的良好拟合以及对死亡趋势变化的解释能力，在一定程度上证明了该模型的合理性。值得注意的是，虽然模型将死亡分解为内生死亡与外生死亡两部分，但是这并不意味着内生过程与外生过程是相互独立的。在模型的假设中已经设定，外生死亡的发生要受相应时间点的内在生命力水平的影响。相对来说，外生过程对内生死亡的影响并没有直接在模型中表现出来。在理论上，那些不足以导致死亡的外生挑战可能也会影响生命力的轨迹，只不过我们在模型中并没有直接把这个过程模拟出来，只是用生命力轨迹的下降速度与随机性来综合这些慢性机制。可以预见，长期生活在艰苦环境中的人群，他们遭受的更频繁的环境的挑战也会使得其生命力下降的过程加快。因此，内生死亡或者外生死亡的划分并不表示这类死亡的发生只受单一因素的影响。任何一类死亡都是内生和外生过程共同作用的结果，在这种意义下，内生死亡更多代表的是慢性死亡的发生，而外生死亡则代表了急性死亡的发生。

      本文对我国预期寿命状况的比较分析结果，对健康和死亡的干预措施具有一定的现实指导意义。首先，相对于女性，我们需要更关注于男性的急性死亡因素，包括加强对男性危险行为的控制，保障男性在工作中的安全等。其次，城乡间的比较表明，通过改善农村人口的死亡状况，我国成年人口的预期寿命还有较大的上升空间。而对于农村人口死亡状况的关注需要逐渐过渡到慢性因素上，除了进一步改善农村人口的生活环境和就医条件，更需要提升个体的健康知识与行为，提供更多预防与保障性的机制以应对慢性过程对死亡的威胁。当然，对慢性因素的控制也将是我国整体人群未来预期寿命提升的关键，需要引导个体形成对健康长期的关注与投资的意识。

      需要说明的是，在本文中使用的我国六普35岁以上的年龄别死亡率存在对老年死亡率低估的可能性。但是因为本文主要讨论的是差距与相对变化，因此绝对的死亡率的偏差对结论的影响相对较小。另外，本文对城乡分类的信息主要是基于普查时所登记的居住地，而非其真实户口信息。因为我国存在的大批量人口流动现象，特别是乡—城流动的频繁，使得分类中被归于城市的部分人群实际上可能是刚到城市的农村户籍人群。这样的情况会在结果上对城乡差异的解释带来复杂性。可以预计，文中对城乡间内生预期寿命的差距存在一定程度的低估，而相对来说获得的外生损失预期寿命间的差距比较稳定。但是，这样可能存在的误差不会影响文章的主要结论—即城乡间成年人口预期寿命的差异主要来自于内生过程。

标签：死亡率论文;  城乡差异论文;  数据拟合论文;